作　　者： ; ;

机构地区： 广州城市职业学院信息与汽车工程学院

出　　处： 《华南师范大学学报（自然科学版）》 2011年第4期63-66,共4页

摘　　要： 朴素贝叶斯分类器是机器学习领域中一种重要的分类算法,根据该算法的前提,利用Foley-Sammon变换算法进行特征提取,提出了一种基于Foley-Sammon变换的朴素贝叶斯分类器NBFST(Na ve Bayesian Classifier with Foley-Sammon Transform).结果表明,NBFST能够在大多数数据集上具有较高的分类准确率. As an important classifying method in machine learning,Nave Bayesian classifier is based on the assumption that the attribute values are conditionally independent with given target values.According to this assumption,a Nave Bayesian classifier with Foley-Sammon Transform NBFST is proposed.The NBFST is compared with NB（Nave Bayesian）,NBPCA（Nave Bayesian with principle component analysis） and NBFDA（Nave Bayesian with Fisher Discriminant Analysis） by experiments.Experiment results show that NBFST has higher accuracy than other classifying methods in most data sets.

关 键 词： 变换 朴素贝叶斯 特征提取 条件独立 机器学习

领　　域： [自动化与计算机技术] [自动化与计算机技术]